融合字词特征的中文嵌套命名实体识别

• 作者: 黄铭 刘捷 戴齐
• 来源期刊: 现代计算机
• 关键词: 命名实体识别 实体嵌套 人工神经网络 双向LSTM 卷积神经网络
• 年，卷（期）: 2021,（34）
• 所属期刊栏目: 研究与开发|Research and Development
• 页码范围: 21-28
• 页数: 8页
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2021.34.003

摘要

命名实体识别(named entity recognition,NER)是信息抽取的重要组成部分,也是时下研究热点之一.由于中文没有明确的词边界,中文命名实体识别常使用基于字进行词嵌入的方法,但基于字的词嵌入方法会使文本表征学习变得困难.因此,本文提出使用CNN(convolutional neural networks)结合Bi-LSTM(Bi-directional long short-term memory)作为表征学习方法.方法首先使用ANN(artificial neural network)对词向量进行学习,确保词向量的表征能力.然后,方法使用CNN对局部词特征进行学习,通过字词特征结合并使用Bi-LSTM学习文本上下文信息,有效提升文本表征学习能力.此外,针对命名实体识别中的实体嵌套问题,本文使用现有的合并标签标注方法并结合CRF进行序列标注.为验证本文方法有效性,本文选用几个基线模型与本文模型进行对比实验.实验结果表明,本文方法具有较优的识别性能.